性能测试中关注的指标

性能测试中我们会关注很多的性能指标，会通过观测的性能指标来决定性能测试是否继续执行、性能测试是否通过等等内容，但是每次说到要监控什么指标的时候，往往就纠结在服务器的CPU利用率、可用内存数、磁盘IO、网络吞吐等，这些都是ISO25010定义的资源特性中给出的例子，其实对于一次有价值的性能测试，观测的指标应该远远多于这些指标项。性能测试中需要关注的指标有系统层指标、中间件层指标、应用层指标、业务指标、发压机指标，那么具体如下。

系统层的指标

CPU的指标

• CPU利用率
  • 定义：单位时间内CPU使用情况的统计，表示CPU使用的百分比。
  • 计算方法：（1-CPU空闲时间/CPU总时间）*100%
  • 单位：百分比（%）。
  • 影响：高利用率可能表示CPU瓶颈，低利用率则表示CPU空闲。
  • 异常举例：CPU利用率长期接近100%可能导致系统响应变慢。例如，在高并发情况下，CPU利用率高导致处理请求的时间变长。

• 用户CPU时间（us）

  • 定义：CPU在用户模式下花费的CPU时间。
  • 计算方法：（用户模式下的CPU时间/总CPU时间）*100%。
  • 单位：百分比（%）。
  • 影响：高用户态时间表示用户应用程序占用了大量CPU资源。
  • 异常举例：用户态时间高可能是由于应用程序的计算密集型任务导致的。例如，一个数据处理应用程序在进行大量计算时。

• 系统CPU时间（sy）

  • 定义：CPU在系统模式下花费的时间。
  • 计算方法：（系统模式下的CPU时间/总CPU时间）*100%。
  • 单位：百分比（%）。
  • 影响：高系统态时间表示内核操作占用了大量CPU资源。
  • 异常举例：系统态时间高可能是由于频繁的系统调用或I/O操作。例如，频繁的文件读写操作导致系统态时间增加。

• 空闲时间：idle，

  • 定义：代表了空闲的CPU时间，CPU处于空闲状态的时间，即没有执行任何任务的时间。
  • 计算方法：（CPU空闲时间/总CPU时间）*100%
  • 单位：百分比（%）
  • 反应现象：操作系统上没有什么太占用CPU的程序在运行
  • 异常举例：暂无

    内存指标

• 内存使用率

  • 定义：已使用内存占总内存的百分比。也有用可用内存数这个指标的，这里指标和内存使用率有一定的相关性。可用内存数一般是通过总内存数减去已用内存数计算的，常以M为单位。
  • 计算方法：（已使用内存/总内存）*100%。
  • 单位：百分比（%）。
  • 影响：高内存使用率可能导致内存不足，引发交换（swap）操作。
  • 异常举例：内存使用率过高可能导致系统变慢。例如，大量应用程序同时运行占用了大量内存。
• 虚拟内存大小
  • 定义：虚拟内存就是为了满足物理内存的不足而提出的策略，它是利用磁盘空间虚拟出的一块逻辑内存，用作虚拟内存的磁盘空间被称为交换空间（Swap Space）
  • 计算方法：虚拟内存总量。
  • 单位：MB或GB。
  • 影响：高虚拟内存使用表示实际内存不足。
  • 异常举例：虚拟内存过大可能导致交换分区频繁使用，系统变慢。例如，内存不足时系统频繁进行内存交换。
• 交换空间（swap）
  • 定义：用于虚拟内存的交换空间使用情况。比较常规关注swap in（si，从交换空间读取的页数）、swap out（so，写入交换空间的页数）。高si表示频繁从磁盘读取数据，高so表示频繁将数据写入磁盘。可能导致I/O瓶颈。例如，内存不足时频繁从交换分区读写数据。
  • 计算方法：（交换空间已用量/总交换空间）*100%。
  • 单位：MB或GB。
  • 影响：频繁使用交换空间表示物理内存不足。
  • 异常举例：交换内存使用高可能导致系统性能下降。例如，物理内存耗尽，导致频繁的页面交换。

磁盘指标

• 磁盘使用率
  • 定义：磁盘使用的百分比。
  • 计算方法：（已用磁盘空间/总磁盘空间）*100%。
  • 单位：百分比（%）。
  • 影响：高使用率表示磁盘空间不足。
  • 异常举例：磁盘使用率过高可能导致无法写入新数据。例如，日志文件占满磁盘空间。
• 磁盘I/O
  • 定义：磁盘读写操作频率。
  • 计算方法：读写操作次数/时间。
  • 单位：次/秒。
  • 影响：高I/O频率表示磁盘操作频繁。
  • 异常举例：磁盘I/O频繁可能导致I/O瓶颈。例如，大量文件读写操作导致磁盘负载过高。
• 磁盘吞吐量
  • 定义：磁盘读写数据的速度。
  • 计算方法：读写数据量/时间。
  • 单位：MB/s或GB/s。
  • 影响：高吞吐量表示数据读写速度快。
  • 异常举例：吞吐量低可能导致数据读写延迟。例如，磁盘性能不佳导致数据读写速度慢。
• 磁盘I/O延迟
  • 定义：磁盘读写操作的延迟时间。
  • 计算方法：总延迟时间/读写操作次数。
  • 单位：毫秒（ms）。
  • 影响：高延迟表示磁盘响应慢。
  • 异常举例：I/O延迟高可能导致应用程序响应变慢。例如，磁盘碎片化导致数据读写延迟。

网络指标

• 带宽

  • 定义：数据传输的网络带宽，可划分成内网带宽、外网带宽、专线带宽
  • 计算方法：传输数据量/时间。
  • 单位：Mbps或Gbps。
  • 影响：高带宽表示数据在对应带宽的网络上传输速度快。
  • 异常举例：带宽不足可能导致通信延迟。例如，大量内部数据传输占用带宽导致其他通信受阻。

• 延迟

  • 定义：数据从源到目的地的传输时间。
  • 计算方法：数据包到达时间 - 发送时间。
  • 单位：毫秒（ms）。
  • 影响：高延迟表示网络传输慢。
  • 异常举例：网络延迟高可能导致数据传输变慢。例如，网络拥堵导致数据包传输延迟。
  • 备注：延迟如果出现问题，那么需要排查网络传输过程中的网元设备的发送时延、传播时延、处理时延、排队时延等等。
• 抖动
  • 定义：数据包传输时间的变动。
  • 计算方法：最大延迟 - 最小延迟。
  • 单位：毫秒（ms）。
  • 影响：高抖动表示网络不稳定。
  • 异常举例：网络抖动大可能导致实时通信质量下降。例如，视频会议时网络抖动导致画面卡顿。
• 丢包率
  • 定义：传输过程中丢失的数据包数量比率。
  • 计算方法：丢失的数据包数/总数据包数。
  • 单位：百分比（%）。
  • 影响：高丢包率表示网络可靠性差。
  • 异常举例：丢包率高可能导致数据传输失败。例如，网络不稳定导致文件传输中断。
• 网络吞吐量
  • 定义：单位时间内通过网络传输的数据量。
  • 计算方法：传输数据量/时间。
  • 单位：Mbps或Gbps。
  • 影响：高吞吐量表示网络传输能力强。
  • 异常举例：吞吐量低可能导致数据传输速度慢。例如，带宽不足或网络拥堵导致传输速度下降。

中间件层指标

网关

• 每秒处理请求数

  • 定义：网关每秒处理的请求数量。
  • 计算方法：总请求数/总时间。
  • 单位：次/秒。
  • 影响：高处理请求数表示网关处理能力强。
  • 异常举例：处理请求数低可能表示网关性能瓶颈。例如，网关负载过高导致处理能力下降。

    数据库

• SQL耗时

  • 定义：SQL查询执行时间。
  • 计算方法：总查询时间/查询次数。
  • 单位：毫秒（ms）。
  • 影响：高耗时表示查询效率低。
  • 异常举例：SQL耗时长可能导致数据库响应变慢。例如，复杂查询或缺乏索引导致查询时间长。
• 吞吐量（IO）
  • 定义：数据库在单位时间内读写数据的总量。
  • 计算方法：读写数据量/时间。
  • 单位：MB/s或GB/s。
  • 影响：高吞吐量表示数据读写效率高。
  • 异常举例：吞吐量低可能导致数据处理变慢。例如，数据库I/O瓶颈导致读写速度慢。
• 连接数
  • 定义：当前数据库的连接数量。
  • 计算方法：活跃连接数。
  • 单位：个。
  • 影响：高连接数表示数据库负载高。
  • 异常举例：连接数过多可能导致数据库性能下降。例如，大量并发连接导致连接池耗尽。
• 缓冲区命中率
  • 定义：数据查询命中缓冲区的比例。
  • 计算方法：命中缓冲区的查询数/总查询数。
  • 单位：百分比（%）。
  • 影响：高命中率表示查询效率高。
  • 异常举例：命中率低可能导致频繁磁盘I/O。例如，缓冲区大小不足导致命中率下降。

    除去上述内容，数据库的锁性能也是需要关注的，但是这部分相对复杂，无法简单通过如上方式揭示清楚。

缓存

• 缓存命中率
  • 定义：缓存命中请求的比例。
  • 计算方法：命中缓存的请求数/总请求数。
  • 单位：百分比（%）。
  • 影响：高命中率表示缓存效率高。
  • 异常举例：缓存命中率低可能导致性能下降。例如，缓存设置不合理导致大量请求未命中。
• 使用内存数
  • 定义：缓存使用的内存量。
  • 计算方法：缓存使用内存的数量。
  • 单位：MB或GB。
  • 影响：高使用内存表示缓存数据多。
  • 异常举例：内存使用过高可能导致系统内存不足。例如，大量数据缓存导致内存耗尽。
• 连接数
  • 定义：当前缓存的连接数量。
  • 计算方法：活跃连接数。
  • 单位：个。
  • 影响：高连接数表示缓存负载高。
  • 异常举例：连接数过多可能导致缓存性能下降。例如，大量并发连接导致缓存服务器压力过大。
• Key值总数
  • 定义：缓存中存储的key数量。
  • 计算方法：总key数。
  • 单位：个。
  • 影响：高键值总数表示缓存数据量大。
  • 异常举例：键值总数过多可能导致缓存管理困难。例如，缓存中存储大量不常用数据导致性能下降。

MQ

• 消息延迟
  • 定义：消息从发送到接收的时间。
  • 计算方法：消费者接受到消息并开始处理的时间-生产者发送消息的时间
  • 单位：毫秒（ms）。
  • 影响：高延迟表示消息处理速度慢。
  • 异常举例：消息延迟高可能导致系统响应变慢。例如，消息队列拥堵导致消息处理延迟。
• 堆积量
  • 定义：消息队列中未处理的消息数量。
  • 计算方法：未处理消息数。
  • 单位：个。
  • 影响：高堆积量表示消息处理能力不足。
  • 异常举例：堆积量过多可能导致消息处理延迟。例如，消费端处理能力不足导致消息堆积。

    分布式存储系统

• 空间利用率
  • 定义：空间利用率指的是在分布式存储系统中，已使用存储空间与总存储空间的比例。它通常用来衡量存储资源是否得到了充分利用，以及是否需要进行优化或扩展。
  • 计算方法：已使用的存储空间/总存储空间*100%。
  • 单位：%
  • 影响：高空间利用率可能意味着存储资源得到了有效利用，但也可能接近容量极限，需要考虑扩展或优化存储策略。
  • 异常举例：假设一个分布式存储系统有1PB的总存储容量，已使用800TB。那么空间利用率为80%，这个利用率表明存储资源已经使用了大部分，可能需要考虑数据管理策略（数据归档、数据压缩、去重技术、存储分层等）或扩展存储容量。
• 读写速度
  • 定义：存储系统的读写数据速度。
  • 计算方法：读写数据量/时间。
  • 单位：MB/s或GB/s。
  • 影响：高读写速度表示存储系统性能好。
  • 异常举例：读写速度低可能导致数据处理变慢。例如，存储设备性能不足导致读写速度慢。

应用层指标

响应时间

• 平均响应时间
  • 定义：所有请求的平均响应时间。
  • 计算方法：总响应时间/请求数。
  • 单位：毫秒（ms）。
  • 影响：平均响应时间高表示系统处理速度慢。
  • 异常举例：平均响应时间长可能导致用户体验差。例如，服务器处理能力不足导致响应变慢。
• 分位数响应时间（TP90、TP95、TP99）
  • 定义：TP90是90%请求的响应时间低于此值。TP95是95%请求的响应时间低于此值。TP99是99%请求的响应时间低于此值
  • 计算方法：升序排序后取TP90是第90%的响应时间的数值，TP95是第95%的响应时间的数值，TP99是第99%的响应时间的数值
  • 单位：毫秒（ms）。
  • 影响：对应分位响应时间高表示大部分请求处理速度慢。
  • 异常举例：分位响应时间长可能导致大多数用户体验差。例如，高并发下服务器负载过高。
• 最小响应时间
  • 定义：所有请求中最短的响应时间。
  • 计算方法：最短的响应时间。
  • 单位：毫秒（ms）。
  • 影响：最小响应时间短表示有部分请求处理速度快。
  • 异常举例：最小响应时间长可能表示系统有时响应慢。例如，服务器负载均衡不均导致部分请求处理快。

吞吐量

• TPS
  • 定义：每秒处理的事务数量，但是一个事务的大小却没有一个统一的定义，因此要使用TPS，最好内部定义好事务。
  • 计算方法：总事务数/总时间。
  • 单位：TPS。
  • 影响：高TPS表示系统处理能力强。
  • 异常举例：TPS低可能表示系统处理能力不足。例如，服务器性能瓶颈导致事务处理速度慢。

• QPS

  • 定义：每秒处理的查询数量。
  • 计算方法：总查询数/总时间。
  • 单位：QPS。
  • 影响：高QPS表示系统处理查询能力强。
  • 异常举例：QPS低可能表示系统查询处理能力不足。例如，数据库性能瓶颈导致查询处理速度慢。

    应用资源

• 并发数

  • 定义：在同一时刻系统处理的请求数量。通过时间窗口内的请求数除以时间窗口的长度，例如每秒并发数
  • 计算方法：通过日志或监控工具统计在时间窗口内处理的请求数，除以时间窗口的长度，例如每秒并发数。
  • 单位：个
  • 影响：它是衡量系统负载和性能的重要指标之一。通常通过监控工具或日志分析获取。
  • 异常举例：假设在某个时间点，并发数突然飙升至平时的两倍，这可能意味着某个外部系统突然发起大量请求或者存在异常流量。如果未及时处理，可能导致服务器过载甚至宕机。解决方案包括增加服务器节点、优化负载均衡策略或对外部系统进行流量限制。并发数过高可能导致系统过载，响应时间延长。
• 连接数
  • 定义：连接数指当前系统中正在建立或已经建立的连接总数。
  • 计算方法：通过应用服务器的管理控制台或监控工具获取。
  • 单位：个
  • 影响：直接反映应用服务中间件的资源占用情况。
  • 异常举例：在高并发场景下，如果连接数持续升高但处理速度未见显著提升，可能是未被及时释放。此时需要检查代码逻辑，确保所有连接均在使用后正确关闭，避免资源浪费。连接数达到上限可能导致新连接无法建立，影响服务可用性。

    线程池

• 活动线程数
  • 定义：正在处理任务的线程数量。
  • 计算方法：通过线程池管理工具或应用服务器管理控制台统计。
  • 单位：个。
  • 影响：高活动线程数表示系统负载高。
  • 异常举例：活动线程数过高可能导致线程争用，系统响应变慢。
• 最大线程数
  • 定义：线程池允许创建的最大线程数量。
  • 计算方法：配置项，设置在系统配置文件或管理控制台。
  • 单位：个。
  • 影响：最大线程数限制了系统的并发处理能力。
  • 异常举例：最大线程数过低可能导致系统无法充分利用资源，过高可能导致资源浪费。
• 空闲线程数
  • 定义：线程池中当前未被使用的线程数量。
  • 计算方法：通过线程池管理工具或应用服务器管理控制台统计。
  • 单位：个。
  • 影响：低空闲线程数表示系统资源利用率高。
  • 异常举例：空闲线程数过低可能导致新任务无法及时处理，响应时间延长。

GC（Garbage Collection）

• 堆内存占用
  • 定义：Java虚拟机中堆内存的使用情况。
  • 计算方法：通过JVM监控工具如JVisualVM获取。
  • 单位：MB。
  • 影响：高堆内存占用表示大量对象驻留内存。
  • 异常举例：堆内存不足可能导致频繁GC，影响系统性能。
• Young Generation
  • 定义：堆内存中年轻代的大小。
  • 计算方法：通过JVM参数配置，监控工具获取。
  • 单位：MB。
  • 影响：年轻代过小可能导致对象频繁晋升到老年代。
  • 异常举例：Young GC过于频繁，影响系统响应时间。
• Old Generation
  • 定义：堆内存中老年代的大小。
  • 计算方法：通过JVM参数配置，监控工具获取。
  • 单位：MB。
  • 影响：老年代过大可能导致Full GC时间过长。
  • 异常举例：Full GC过于频繁，导致系统暂停时间过长，影响用户体验。
• 暂停时间
  • 定义：GC操作导致的应用暂停时间。
  • 计算方法：通过GC日志分析工具获取。
  • 单位：毫秒（ms）。
  • 影响：高暂停时间影响应用响应速度。
  • 异常举例：GC暂停时间过长导致用户请求响应延迟，影响用户体验。
• full gc频率
  • 定义：系统中Full GC（完全垃圾回收）操作的频率。
  • 计算方法：通过GC日志分析工具统计。
  • 单位：次/分钟。
  • 影响：高频率Full GC表示内存压力大。因为每次 Full GC 都会暂停应用程序，进行内存回收，这种暂停会影响系统的响应时间和用户体验。
  • 异常举例：频繁Full GC导致系统暂停，影响性能和用户体验。

错误信息

• 错误数
  • 定义：系统中发生的错误数量。
  • 计算方法：通过日志分析工具统计错误日志。
  • 单位：个。
  • 影响：高错误数表示系统处理过程中出现问题。
  • 异常举例：错误过多可能导致系统功能失效，影响用户使用。
• 超时数
  • 定义：系统中请求处理超时的数量。
  • 计算方法：通过日志分析工具统计超时日志。
  • 单位：个。
  • 影响：高超时数表示系统处理能力不足。
  • 异常举例：大量超时可能导致用户请求得不到及时响应，影响用户体验。
• 成功率
  • 定义：系统成功处理请求的比例。
  • 计算方法：成功请求数/总请求数。
  • 单位：百分比（%）。
  • 影响：低成功率表示系统处理请求的可靠性差。
  • 异常举例：成功率低可能导致用户体验差，系统稳定性不足，需要及时优化。

    业务层指标

    关键业务的考核指标，重点关注业务价值评价的标准指标，电商类的下单量、支付量等，股票交易类关注买入、卖出以及账户中资金和持有股票的资金的关系等指标。这部分最好是和团队内BA一起确定，建立一套基于业务价值的监控指标。

压力机指标

• CPU利用率
  • 定义：衡量CPU的使用情况，反映系统负载。
  • 计算方法：通过系统监控工具获取CPU使用率。
  • 单位：百分比（%）。
  • 影响：压力机的高CPU使用率表示系统负载大，可能影响都并发的执行。
  • 异常举例：持续高CPU使用率可能导致压力机系统变慢，甚至宕机，导致发压不够，出现问题。
• 可用内存数
  • 定义：衡量内存的使用情况，反映系统的内存资源消耗。
  • 计算方法：通过系统监控工具获取内存使用率。
  • 单位：百分比（%）。
  • 影响：压力机会存储很多压力日志，因此需要有足够的磁盘空间存储
  • 异常举例：不足会导致压力生成失败，压力测试失败。
• 磁盘可用空间
  • 定义：磁盘还剩余的存储空间。
  • 计算方法：通过系统监控的查看工具查看。
  • 单位：MB或GB。
  • 影响：高磁盘使用率表示大量I/O操作，可能导致I/O瓶颈，压力机的执行日志无法正确保存导致执行失败。
  • 异常举例：磁盘I/O过高可能导致系统响应变慢，文件读写失败，压力机失效。
• 磁盘IO
  • 定义：衡量磁盘的使用情况，反映系统的I/O操作。
  • 计算方法：通过系统监控工具获取磁盘使用率。
  • 单位：百分比（%）。
  • 影响：高磁盘使用率表示大量I/O操作，可能导致I/O瓶颈，压力机的执行日志无法正确保存导致执行失败。
  • 异常举例：磁盘I/O过高可能导致系统响应变慢，文件读写失败，压力机失效。

• 文件句柄数

  • 定义：衡量系统打开的文件句柄数。
  • 计算方法：通过系统监控工具获取当前打开的文件句柄数。
  • 单位：个。
  • 影响：文件句柄数过多表示系统资源被大量占用。
  • 异常举例：文件句柄数达到系统上限可能导致新文件无法打开，压力机失效。

• 网络带宽

  • 定义：压力机到服务器的网络带宽以及压力机网卡配置。
  • 计算方法：网络带宽靠网元设备给出是百兆还是千兆，压力机网卡配置在压力机的硬件信息中查看。
  • 单位：Mbps。
  • 影响：网络带宽，压力机网卡配置都影响压力机发的压力是怎么样一个方式到达SUT的。
  • 异常举例：压力机网卡配置低，网络带宽小，压力往往都在网络中被阻塞了，很难有并发效果到达SUT。
• 网络IO
  • 定义：衡量网络输入输出的流量。
  • 计算方法：通过网络监控工具获取网络I/O数据。
  • 单位：Mbps。
  • 影响：高网络I/O表示大量数据传输，可能影响系统性能。
  • 异常举例：网络I/O瓶颈可能导致数据传输延迟，压力响应慢。
• TCP连接数
  • 定义：衡量系统中TCP连接的数量。
  • 计算方法：通过网络监控工具获取当前TCP连接数。
  • 单位：个。
  • 影响：高TCP连接数表示系统承载大量连接请求。
  • 异常举例：TCP连接数达到上限可能导致新连接无法建立，影响压力机生成压力。